ECHO
15-minuten mean-reversion op ETF's en volatiliteitsproducten
Bergnimf van wie de stem terugkeert — prijs keert terug naar fair value
Wat ECHO doet
ECHO vangt de terugkeer van de markt naar fair value — de echo. Getraind op 37 reversion-vriendelijke instrumenten (brede ETF's, vol producten, rentes, grondstoffen) en bewust blind voor trendindicatoren.
Korte-horizon mean reversion in schokkerige/ranging regimes
Hoe het werkt
ECHO is een gefactoriseerde channel × tijd attention transformator. Het kijkt naar een 160-bars contextvenster van 12 invoerkanalen, en voorspelt de volledige verdeling van de volgende 4 bars.
Forward pass: input OHLCV + indicator channels → patch-embedded → alternating space/time attention layers → pooled to a single embedding → MLP head predicts 7 quantile levels per horizon step.
Invoerkanalen
Elke bar wordt per window z-score genormaliseerd met alleen contextstatistieken, zodat het model relatieve bewegingen ziet in plaats van absolute prijzen.
Uitvoer
Data & training
Universe
37 symbolen
mean_revert_universe
Symbolen zijn de liquide, verhandelbare instrumenten die ECHO's trainingspopulatie. Elke voorspellingscycus voert forward-tests uit op hetzelfde universum, dus prestatienummers worden niet kers geplukt.
Waarom dit trainingsvenster
We sluiten bewust gegevens van vóór 2010 uit. De periode vóór decimalisatie (breuken tot april 2001), het pre-HFT-regime (≤2007) en de kredietcrisis van 2007-2009 weerspiegelen een marktstructuur die niet meer bestaat. Bij 3.3 M parameters is het verbranden van capaciteit op dat regime ruis die strijdt om gewichten met de huidige markt — López de Prado (2018) identificeert regimetrouw niet-stationariteit als de voornaamste faalvorm van financieel ML.
Gevoeligheid: een piloot getraind op 2003-2022 toonde 10-12% slechtere validatiefout aan dan de run vanaf 2010.
Live prestaties
Elke voorspelling die ECHO doet, wordt gelogd en in realtime barrière-geëvalueerd. Deze cijfers weerspiegelen alleen gesloten transacties en worden continu bijgewerkt.
Prestaties uit het verleden garanderen geen toekomstige resultaten. Forward-testresultaten weergeven 1:3 R/R barrière-simulatie; live resultaten kunnen verschillen door slippage, spreads en liquiditeit.
Eerlijke beperkingen
Blootstelling aan bull-regime test
Het 15-weekse out-of-sample venster was een bull-gerichte periode. Modelprestaties in beer-regimes (2022-Q4 stijl) zijn niet geverifieerd en waarschijnlijk aanzienlijk lager.
Transactiekosten niet gemodelleerd
De headline rendementen sluiten retourkosten uit (~0,05-0,30% op deze instrumenten). Real-world rendementen zullen lager zijn; headline cijfers zijn bovengrenzen.
Training/test met hetzelfde symbool
Het model is getraind en getest op hetzelfde symbool universum (tijd-split). We valideren temporele generalisatie, niet universum generalisatie naar niet-geziene tickers.
Waar we vertrouwen in hebben
Richtingsvaardigheid boven toeval (symmetrische 1:1 R/R winstpercentage is 51.5%) en reproduceerbare training: we hebben 3+ keer opnieuw getraind met identieke hyperparameters binnen ±1% val verlies.
Lees het volledige artikel
Publicatie-diepgaand technisch rapport: gegevensschoning, architectuur-diepduik, trainingsdynamiek, barrière-simulatiemethodologie, volledige-vensterresultaten, gevoeligheidsanalyses en eerlijke-beperkingen discussie. ~7.000 woorden.
Vergelijk over de Vijf
Elk model in de Zirdle Vijf pakt een andere handelsregime aan. Ga terug naar het overzicht om te zien hoe ze scoren op winstpercentage, universumgrootte en out-of-sample rendementen.